時序數據與實時智能技術對科技計劃創新管理的作用機理研究

劉晉霞，許 超，劉晉鋼

（1.太原科技大學 經濟與管理學院，山西 太原 030024；2.山西省產業技術發展研究中心，山西 太原 030001；3.太原工業學院，山西 太原 030008）

一、引言

在科技計劃管理方面，自2014 年以來，國務院先后印發《改進加強中央財政科研項目和資金管理的若干意見》（國發〔2014〕11 號）[1]和《深化中央財政科技計劃（專項、基金等）管理改革方案》（國發〔2014〕64 號）[2]，推出了若干有關科技計劃管理的改革方案。在改革方案中，明確時間節點、積極穩妥地推進國家科技管理平臺（以下簡稱“平臺”）的使用，切實從頂層設計上進行優化整合，同時建成了中央財政科研項目數據庫，為時序數據和實時智能等智能技術的引入提供了可能。通過國家科技管理平臺的應用，有助于信息公開、數據共享，打破各部門之間分而治之的局面；不僅快速收集數據成為可能，還為各部門溝通提供了快速通道，為科技計劃管理邁入數據時代奠定了基礎。

現階段推行的國家科技管理平臺不足以實現職責清晰、協調銜接的管理體系[3-4]，通過該平臺試圖構建決策、咨詢、執行、評價、監管的智能管理平臺。目前，在該平臺上尚未引入時序數據和實時智能等技術，可否引入，如何引入智能技術？可否通過引入大數據（Big Data，簡稱BG）、人工智能（Artificial Intelligence，簡稱AI）等技術，規劃好數據流、信息流和工作流，實現科技計劃管理升級？本文通過相關政策和改革方案研究，分析了引入BG、AI 等技術的可能性；從生產力和生產關系的作用關系，解釋了BG、AI 等技術引發科技計劃管理變革的必然性；通過深入剖析時序數據、人工智能技術與科技計劃管理的作用關系，闡明其相互作用的內在機理。

二、科技計劃管理現狀分析

近年來，隨著我國科技投入總量和強度的大幅度提高，科技計劃管理也呈現出一些問題。從創新管理的角度，保證科技計劃管理采用新技術、新方法；并結合當前政策和標準，可將目前的問題歸納為以下三個方面。

（一）科技資源配置優化與否缺少量化標準

作為統領科技創新發展的重要載體，科技計劃管理發揮引領和指導作用。國發〔2014〕11 號文件提出了對中央各部門管理的科技計劃（專項、基金等）優化整合，在頂層設計上避免了資源配置分散，但仍不能有效發揮市場和產業需求在資源配置中的作用，不能保證政府、市場和產業的協同，高效地優化配置科技資源。尤其是對科技資源配置的優化程度沒有量化的衡量標準。科技資源配置是將有限的科技資源應用在最需要的領域，實現最大的產出，提高資源的利用率。但如何衡量是否高效利用科技資源，它的具體目標和參照標準是什么？對于這一問題，既沒有明確的指標體系，也沒有量化的標準。科技資源配置本應有所側重，孰重孰輕、孰徐孰急不能一概而論，但無論是基礎研究還是重大項目，投入了多少資源，有哪些科技產出，可以從短期、中期、中長期甚至長期有一系列的比對指標，分行業、分部門從不同維度給出一個量化的解析。

（二）科技計劃監督管理不健全

科研群體屬高知人群，他們對知識的認知程度較高，但并非完全自律；故對于他們的研究工作、研究進度、研究成果需有對應的監督、約束及考核。這些年，科研行為失范、科研經費濫用，嚴重破壞了科研風氣，浪費了科研資源。造成這種現狀的原因，雖然在一定程度上是可歸因于市場經濟的沖擊，社會普適價值觀的影響，但更直接和客觀的原因是科研管理機構的監督管理和約束管理的缺失。雖然科研管理部門并非形同虛設，但在具體的項目管理和過程管理中的確存在著許多疏漏甚至空白[5]。

（三）科技計劃管理中信息不流通

當前科研信息不僅沒有實現合理流通，甚至不夠公開。一個研究項目稍做改寫，可向不同部門申請經費；不僅可以申請來自國家不同部門的經費，還可以申請省級不同部門的多項資助，這都是各部門信息不公開、信息保密導致的結果。再如，財政部只負責財政撥款，但并不驗收課題的完成情況，但當驗收課題不合格時，項目資金已消耗殆盡，這是信息的不合理流通導致的。信息不公開，給科技資源的重復配置和項目的暗箱操作提供了機會；信息不合理流通，導致了項目的實施監管失控或滯后，從而造成了科研資源的極大浪費。

三、科技計劃層級管理模式不適應大數據時代的管理要求

科技計劃管理經歷了建國初期的專家管理模式、集中式管理模式，和改革開放以后的干預式管理模式、分散管理模式和準經濟管理模式；它們體現了不同歷史時期科技計劃的目標導向，在特定的歷史時期，促進了我國科技事業的發展。但長期以來形成的層級管理模式，導致了信息屏閉，部門墻、官本位，組織管理模式封閉、機制僵化，危機意識淡薄，組織氣氛沉悶，工作流程冗長，嚴重制約了管理的效率。而科技計劃管理中目前出現的這些問題，本質上是現有的層級管理模式與快速發展的智能技術的沖突；而智能技術的引入可從根本上突破這種層級科技計劃管理模式的制約和束縛。

（一）現有的科技計劃管理模式導致決策的片面性和高決策成本

現在的科技計劃管理模式是從上到下的層級結構組織模式。從部門管理者到職員，層級越高的管理者，所掌控的信息越多，能夠行使的權力越大，部門管理者是該部門的信息匯總者，也是部門的最高決策者。但他的決策是依賴本部門的信息資源，這就導致了決策依據不全面，重心高，層序多，審批環節繁瑣，這種決策方式與大數據時代的快節奏相悖。如果智能技術植入到科技計劃管理中來，數據采集、數據分析及數據預測都由機器來完成，那么以前一個部門耗時耗力完成的工作，如今只需一個智能終端來完成。不僅可以在較短的時間內實現對現有信息的鑒別，還可以保證信息采集的全面性；結合智能算法直接做出更加合理的判斷或者決策，這樣既減少了人力成本，也縮短了決策時間，解決了機構對外部信息反映遲緩、慢速決策等問題，同時也使得決策和判斷更加科學、合理。

現有的科技計劃管理還沒有引入智能技術參與到科技資源的配置和決策中來，但面對大數據時代每秒產生數以百TB 的數據量，如果不利用智能技術，就不能快速完成對數據的分析處理。有人會說，科技計劃管理的信息量沒有那么大，不需要引入智能技術，這種認識是片面的、短視的。科技計劃決策應該是通過對前沿技術、市場動態和產業需求的一種全方位的綜合思考分析而做出的科學決策。如不引入智能技術，我們只能片面地感知某一方面，很有可能導致決策的片面性和誤判，從而導致科技資源配置不能有效發揮市場和產業需求在資源配置中的作用。從數據獲取角度上講，因為政府對市場和產業數據難以全面、及時、準確獲取，信息滯后，所以很難保證政府、市場和產業的協同優化配置科技資源。

（二）現有的科技計劃管理模式不利于各部門之間的協同

現有的科技計劃管理模式封閉、僵化，各部門分而治之，無法實現協同。這是長期以來的層級制管理模式導致的，就組織內部運行而言，以行政權力驅動，以領導為中心，這自然形成了官本位，人浮于事的態勢。表面上組織內部人員都很忙、很累，但他忙于服務領導的意愿，這種制造工作不創造價值的人充斥于組織，故不作為、慢作為、假作為、亂作為的人消耗了組織內部元氣，導致不創造價值，或者說不能有價值地工作。從而部門和部門之間不配合、不協同，各自為政，導致科技計劃管理工作流程冗長、不暢。

大數據時代需要的是跨部門、跨職能的平行合作，要打破部門邊界，加強溝通合作，改變原本分散的部門關系，從行政權力驅動轉變為數據驅動，形成數據分享機制，讓信息在各部門之間合理流通。新的組織管理形式應該是協同的，各部門之間擁有共同的目標，能激發員工的內在動力，方便直接溝通、多樣化協作，形成有效的信息流、工作流，促使各部門之間工作的銜接，從而形成合力。

（三）新的生產力改變生產關系

自《經濟學人》把數據比作新時代的石油，數據就充當了新的生產資料。如果把大數據看作新的生產資料，那么數據挖掘、人工智能技術則是用于開發生產資料的生產工具，所生產的產品可以是一份數據分析報告或是類智能的決策建議，與以往時代截然不同的是產品的類智能特性。工業時代解放了人類的四肢，人們不用再去簡單重復低技能、重體力的勞動；而隨著大數據和人工智能的發展，數據時代必將會解放人類的部分腦力勞動，人們不必再去手工收集數據、分析數據，重復這類龐大數據體量的智能勞動。

大數據作為新的生產資料，數據挖掘、人工智能作為新的生產函數，這是一種從來沒有過的生產要素和生產條件的新組合，將之引入生產體系后，它的智能特性將極大地提高社會生產力，并會影響與之相作用的生產關系。而作為引領第一生產力的科技計劃管理，如果從頂層設計引入大數據思維，把數據采集、數據處理、數據分析等一系列以前由管理者去完成的高級智能活動交給機器去實現，這將從根本上打破原有的科技計劃管理模式。

四、時序數據和實時智能技術與科技計劃管理的作用機理

傳統的未引入時序數據和實時智能技術的科技計劃管理是以人為主體的管理模式，而引入時序數據和實時智能技術的科技計劃管理也并非是全機器化管理，而是人與智能平臺的有機結合。

（一）時序數據的價值作用

互聯網、移動互聯時代改變了數據的獲取方式，幾乎所有的數據都在線，且可被記錄和分析。這是以前所沒有的時序數據資源，它源自不同渠道、不同時間的記錄，從以前的抽樣數據轉變為全樣本時序數據。大數據時代改變了獲取數據的方式，這決定了數據自身具有價值，時序數據資源猶如一座金礦。而通過時序數據則可得到一系列統計特征分析、動態時間窗口、事件模式的增量匹配以及動態時序圖譜分析。

對于科技計劃管理任務，不僅可以看到與計劃任務相關聯的指標，還可以看到影響計劃任務的環境變量，從而預測計劃任務的可完成度；甚至可以找到一些影響變量，通過對相關變量的調控，促使計劃按時完成。科技計劃管理有必要引入時序數據思維方式思考和解決目前的問題。目前，我國科技管理方面的數據還沒有被挖掘，如果真正挖掘的話，會發現很多數據背后的價值。如市場對科技計劃的調節作用，企業對科技計劃的作用，科技計劃投入和科技成果的產出規律等。通過對數據背后規律的挖掘，我們會更有能力把握未來科技計劃，面對不確定的國際環境、市場和產業等因素做出科學判斷。而且時序數據的長效性、中立性，可讓我們看到的數據更加客觀準確。

（二）算法驅動的管理作用

作為推進科學技術發展重要手段的科技計劃管理是一個復雜而系統的工作。國發64 號方案在總體目標中提出加強頂層設計，打破條塊分割，建立公開統一的國家科技管理平臺，并明確時間節點地推進國家科技管理平臺的使用[6]。該平臺連接了科研人員、科研機構、科技專家、社會公眾，以及中央引導的地方專項。大數據時代，這是政府擁抱新時代，主動變革創新的舉措；也是政府為加強信息公開，強化資源統籌，推進公正公平競爭所做的基礎性建設。

那么如何實現數據驅動管理？借鑒近年來新興的獨角獸企業：今日頭條、美團和滴滴等高市值企業，每秒鐘都處理著海量信息，針對每個客戶進行智能分析，推薦給客戶需要的個性化信息、美食和出行。盡管這些企業，每天處理著海量的信息，工作量如此龐大，但所需的管理人員與國家科學技術部的管理人員相比，卻有較大的懸殊。究其本質，這些企業的智能分析和管理工作主要由智能算法完成，智能的推薦算法顛覆了傳統的由人來干預的智能分析和處理。與其說是數據驅動管理，更準確地講是算法驅動了管理。

由此可見，算法驅動管理的迫切性。單純依靠人去分析處理海量信息的時代已經過去，要想提高工作的精度和效率，必須在平臺上引入智能算法，去分析海量信息，讓算法自動完成對數據的認識、學習、分析和預測，同時構建好數據自動流動的底層邏輯。如定義數據傳遞的規則，流動的方向，標記數據流動的痕跡，從而促使工作流程平滑變更，有效提升工作效率，提高科技計劃管理水平。在國家科技管理平臺引入智能技術，讓算法去完成數據分析，規劃好數據流動，提高職能部門的決策能力，從而實現科技計劃管理的升級。

（三）時序數據分析的作用

無論是數據還是算法，都是抽象不具體的，很難理解時序數據和實時智能等技術是如何作用于科技計劃管理的各個層面。可以從數據分析入手，不管是科技計劃所做的宏觀決策還是具體的任務評價，它都是依據一系列的指標、報表、數據分析報告而做的決定。而時序數據實時智能技術，正是通過分析計算和智能模型讓機器利用這些算法具有自學習能力，從數據中挖掘出有價值的信息，從而形成一系列的時序數據分析報告。而這一系列的時序數據分析是借助實時采集、智能加工、智能分析從而實現實時決策，從而作為科技計劃管理的決策依據。

科技計劃管理的任務龐大而復雜，為了更好地理解時序數據分析對科技計劃管理的作用關系，可將科技計劃管理分為宏觀、中觀和微觀三個層面。

1.科技計劃管理的三個層面。縱觀科技計劃管理，可以從宏觀、中觀和微觀三個層面理解科技計劃管理的職能。

（1）宏觀層面可以看作戰略導向層。從宏觀層面，科技計劃管理確定國家戰略導向，制定總體目標，從宏觀上把握資源的合理配置，既能保證基礎科學在未來發展提供源頭創新和科學支撐，又能完成國家中長期科技發展規劃，解決事關國民經濟和社會發展的全局性重大科技問題。總之，宏觀科技計劃管理要明確戰略性、前瞻性、全局性目標，從總體上部署有利于資源的優化配置，保證基礎科技的穩步發展，保障前沿領域和重大任務的有效實施。

（2）中觀層面可以看作組織運作層。從中觀層面，科技計劃管理是優化科技計劃布局，確保資源配置不重復、不分散，協調保障資源的有效配置。保證科技計劃能夠更加有效地瞄準重點領域、聚焦重大任務，支持人才和團隊建設，增強源頭創新能力，形成有機整體，既聚焦重點，又避免交叉重復。總之，中觀科技計劃管理注重流程的合理性，能充分激發各類創新主體參與的積極性和創造性，實現目標統一、協同聯動、分步有序的一體化組織實施。

（3）微觀層面可以看作執行監督層。從微觀層面，科技計劃管理負責專項啟動、項目立項、監督驗收、成果評價與轉化的具體執行。在科技計劃管理的各個流程階段，保證信息公開透明，資金監管配套，績效評價公允，能保證科研誠信和激勵創新，并能有效實現成果轉化。總之，微觀科技計劃管理注重全流程的管理規范，能保證規劃的合理性，約束的適度性，方式的公平性，物質和精神激勵的統一性，以及成果轉化的經濟性[4]。

2.時序數據分析的四種類型。Thomas Maydon 將數據分析按照復雜度和價值關系的維度，依次劃分為：描述型數據分析、診斷型數據分析、預測型數據分析和指導型數據分析（另有譯本譯為規范型數據分析）[7]。對于時序數據分析也可沿用這樣的分類方式：描述型時序數據分析主要針對過去所發生事情的呈現，診斷型時序數據分析主要用于對已發生事情原因的解釋，預測型時序數據分析主要針對未來將發生事情的推測，指導型時序數據分析主要用于指導我們需要做什么樣的干預。

描述型時序數據分析是其它時序數據分析的前提和基礎，是對數據的分類、整理和統計階段。診斷型時序數據分析是核心和關鍵，它梳理了各數據之間的邏輯關系，確認數據之間是線性相關還是線性無關，某些數據對其它數據是決定性影響還是間接影響。預測型時序數據分析和指導型時序數據分析則是基于診斷型時序數據分析所得的邏輯關系而進行的深入分析；預測型時序數據分析需要根據數據的邏輯關系構建相應的模型，從而分析不同的模型的預期效果，建模是預測型時序數據分析的關鍵。指導型時序數據分析則是在已有模型和已有數據邏輯關系基礎上，通過調整模型當中某些參數的值，使目標函數更接近理想值。

3.時序數據分析的四種模式和科技計劃管理的三個層面的作用關系。在科技計劃管理中，無論是制定戰略決策還是計劃目標，都是基于過去已完成的情況，并分析為什么會出現這樣的結果，通過對過去態勢的分析，預估未來可能會發生什么，并給出指導性戰略和目標，明確下一步綱領。

描述型時序數據分析對應科技計劃管理的各個指標變量的監測，它聚焦不同時段的各個指標的數據呈現，透過數據的描述型分析，可以看清微觀層面具體細節的執行情況。比如，通過描述型時序數據分析，可以針對過去五年的科技目標完成情況，從科技政策、科技投入及項目支撐等不同維度，觀測其完成率；也可以看到同一地區不同指標的完成率，對比不同地區同一指標的完成度。總之，描述型時序數據分析可以從不同維度，不同視角，對各個指標進行觀察，主要作用于科技計劃管理的微觀層面。

診斷型時序數據分析是在描述型數據基礎上所做的關聯分析。如對科技成果轉化率低的成因分析，就應首先確定可能與科技成果轉化相關的指標，并能從相關指標中排除和隔離非影響性指標，進而明確影響科技成果轉化的主要影響指標和關聯指標，以及它們之間的函數作用關系。診斷型時序數據分析既作用于科技計劃管理的微觀層面，又對科技計劃管理中觀的組織運作層有借鑒作用，并有助于整體目標的統一實現，充分發揮各部門的聯動協同作用。診斷型時序數據分析通常和指導型時序數據分析配合使用。

預測型時序數據分析既可作用于具體指標的預測，也可作用于一系列指標的預測，但從時序數據分析的層級關系來講，這里的預測分析多用于后者。透過對以往數據的分析，可以看清科技計劃的宏觀趨勢，有助于科技計劃管理的戰略統籌，進而直接作用于科技計劃管理的宏觀層面，更加有效地對資源進行合理配置、做出合理決策。

指導型時序數據分析可以是對具體指標的指導分析，也可以對宏觀趨勢進行微調。針對科技計劃管理中宏觀任務的完成程度不夠理想，可在政策上做出適當的傾斜，以便進一步優化科技資源配置。如果指導型時序數據分析在具體的科技項目執行過程中的指導，也可通過制定合理的激勵機制和監督評價機制，引導項目有序完成。指導型時序數據分析可作用于微觀層面，也可作用于宏觀層面，對于中觀層面也有一定的意義。

為了便于理解時序數據分析和科技計劃管理的作用關系，我們做了簡單的層次劃分，而科技計劃管理是有機的整體，不能這樣簡單地機械分割。因為四種時序數據分析模式與科技計劃管理的三個層面的作用相互交織，服務于科技計劃管理的各個層面。

五、智能平臺體系結構

為了更好地理解大數據的價值作用，算法驅動的管理作用，以及時序數據分析的層次作用，可以設計一個完整的智能平臺體系結構，以便更形象化地看到不同層次結構間的作用關系，具體的智能平臺體系結構如圖1 所示。

圖1 智能平臺的體系結構

數據采集層，不僅可以對科技計劃管理內部數據進行收集，還可以對市場環境、行業狀態、新技術導向、國際環境等各方面數據進行采集。在數據采集層，按照一定規則和篩選標準，有針對性地抓取與科技計劃管相關的數據；該層收集到的數據是全息數據，體量大，需要傳遞給實時智能層進行分析。

實時智能層提供智能技術，如大數據、云計算、人工智能、機器學習等技術，讓機器實現自學習，從海量的數據中挖掘出有價值的信息。實時智能層是對數據采集層傳遞來的原始數據進行處理，通過設計相應的算法和模型，讓機器從數據中發現規律，從而傳遞給時序數據分析層。

時序數據分析層是在實時智能層的基礎上，利用實時智能層挖掘的規律和變量之間的邏輯關系，對數據進行分析、診斷和預測，既可以提供給平臺層可視化的數據信息，也可以給出決策化建議。

平臺層不僅方便信息公開流通，還可以對信息的傳遞方式做出相應規劃，如數據流、工作流、業務流等。

六、結語

在大數據和人工智能技術飛速發展的時代，現行的科技計劃管理模式對國際形式、市場因素不能做出快速響應，必須由創新的管理模式來改革這些弊端。本文從當前科技計劃管理的現狀入手，分析了現行科技計劃管理模式的決策效率和各部門之間的協作關系，指出了當前的主要問題是現有的科技計劃管理模式不適應快速發展的科學技術的要求。在此基礎上，結合新的改革方案，探討了在科技計劃管理中，引入時序數據和實時智能技術的可能性和必然性。并從創新管理的視角，探索了科技計劃管理如何引入新技術、新方法。為了更好地理解智能技術對科技計劃管理的作用機理，深入分析了數據本身的價值作用，算法對管理的驅動作用；并從宏觀、中觀和微觀三個層面，進一步說明了時序數據分析對科技計劃管理不同層面的作用關系。

本文不同于呼吁重視大數據和人工智能技術的文章。而是針對科技計劃管理的具體問題，并結合國發64 號文件提出的加強頂層設計的宗旨，對科技計劃管理模式做了進一步的探討。給出了更具體的切入點，從科技管理平臺入手，在平臺上引入BG、AI 技術。這是我們課題的一個方向，對于技術部分，如智能算法的比較、選擇、設計和調試等內容，本文未給出更具體的論證。